多模态大模型数据策略算法工程师-【可灵AI专项】

职位描述

1、作为训练数据交付的 owner，承接预训练/后训练/RL 各阶段的数据需求，将模型数据策略落地为可执行的数据规格（数据源、处理策略、质量标准、量级与时效），端到端构建并交付训练就绪数据集；

2、研发与应用视频数据核心算子：多维质量过滤（清晰度/美学/构图/运动性）、镜头切分、大规模语义去重、水印字幕检测、Caption/Recaption 链路，并建立算子效果评估基线；

3、基于数据平台将算子编排为自动化数据管线，落实数据与处理算子版本化，让每一批交付数据可追溯、可复现；

4、探索基于 MLLM 的数据合成与增强技术，设计高效生成策略补充数据缺口；建设多样性覆盖度度量（主体/场景/动作/风格/运镜）与分布再平衡、训练配比实验；

5、建设数据↔模型的归因与消融实验能力，结合评测反馈持续迭代数据策略与交付质量，与模型算法、数据平台、数据产品高效协同。

任职要求

1、计算机、人工智能、统计学、数学或相关专业硕士及以上学历，具备机器学习、模型训练及数据处理项目经验，拥有扎实的数据分析与建模基础；

2、工程与算法双技能：精通 Python 并掌握至少一种工程语言（C++/Java/Go），熟悉 Ray/Spark 等分布式计算框架，具备将算法沉淀为生产级管线的工程能力；同时具备扎实的机器学习基础与数据建模能力；

3、具备大规模视频/图像数据处理实战经验，熟练应用以下至少两个方向：视频质量评估、视频表征与 embedding、镜头切分、语义去重、caption 数据工程、多模态数据合成；熟悉 vLLM 等推理加速框架者优先；

4、有端到端交付数据集的项目经历者优先——能独立承接需求、拆解执行、按时交付并对质量负责；沟通高效，能在算法/平台/标注多方之间高效协同；

5、善用 AI-coding 与大模型工具提升研发与分析效率。

加分项：

1、有视频/图像生成模型训练数据构建的一线经验；

2、训练或微调过质量打分/安全分类/水印检测类模型；

3、在 CVPR/ICCV/ECCV/NeurIPS 等发表过视频理解/生成方向论文；

4、在视频/图像数据集或数据处理开源项目有活跃贡献。